[发明专利]医学图像中肺部血管的分割方法、装置及电子设备

权利要求书

1.一种医学图像中肺部血管的分割方法，其特征在于，包括步骤有：

获取待分割的肺动脉血管和肺静脉血管的原始医学图像；

采用深度学习网络模型对所述原始医学图像进行训练，利用训练得到的模型输出预分割结果；

提取所述原始医学图像中每一个像素点的脉管特征，根据预定的脉管特征判别函数对所述脉管特征进行判别得到脉管特征判别结果，根据所述脉管特征判别结果对所述原始医学图像进行处理，输出第一肺部血管增强结果；

以所述第一肺部血管增强结果的肺动脉和肺静脉区域为初始生长点进行区域生长，输出区域生长后的第二肺部血管增强结果，将所述第二肺部血管增强结果与所述预分割结果进行融合，输出最终分割结果。

2.根据权利要求1所述的方法，其特征在于，所述采用深度学习网络模型对所述原始医学图像进行训练，输出预分割结果，包括：

对所述原始医学图像进行下采样处理后输出下采样数据，采用神经网络模型对所述下采样数据进行训练，输出低分辨率的第一肺部血管网络模型；

通过所述第一肺部血管网络模型分别获取所述肺动脉血管和肺静脉血管的低分辨率的预测结果，将所述预测结果进行上采样处理后输出上采样数据；

采用所述神经网络模型对所述上采样数据和所述原始医学图像进行训练，输出高分辨率的第二肺部血管网络模型；

分别采用所述第一肺部血管网络模型和所述第二肺部血管网络模型，对所述原始医学图像进行训练，输出所述肺动脉血管和肺静脉血管的所述预分割结果。

3.根据权利要求2所述的方法，其特征在于，所述输出所述肺动脉血管和肺静脉血管的所述预分割结果之后，还包括：

分别对所述肺动脉血管和肺静脉血管的所述预分割结果进行连通区域识别，只保留最大连通区域，去除断裂分支。

4.根据权利要求2所述的方法，其特征在于，所述获取待分割的肺动脉血管和肺静脉血管的原始医学图像，包括：

获取待分割的所述肺动脉血管和肺静脉血管的原始医学图像及其对应的原始分割数据；

所述对所述原始医学图像进行下采样处理后输出下采样数据，包括：

对所述原始医学图像和所述原始分割数据进行下采样处理后输出所述下采样数据，所述下采样数据为低分辨率的图像和标注数据；

所述采用所述神经网络模型对所述上采样数据和所述原始医学图像进行训练，包括：

采用所述神经网络模型，对所述上采样数据、所述原始医学图像和所述原始分割数据进行训练。

5.根据权利要求2所述的方法，其特征在于，所述原始医学图像为CT图像或MRI图像；或者

所述神经网络模型为3D-UNET神经网络模型。

6.根据权利要求1所述的方法，其特征在于，所述提取所述原始医学图像中每一个像素点的脉管特征，根据预定的脉管特征判别函数对所述脉管特征进行判别输出脉管特征判别结果，根据所述脉管特征判别结果对所述原始医学图像进行处理，输出第一肺部血管增强结果，包括：

计算所述原始医学图像中每一个像素点的脉管特征；

提取并根据各个所述像素点的脉管特征来构造Hessian矩阵；

构造所述脉管特征判别函数；

根据所述脉管特征判别函数对所述Hessian矩阵的各个所述像素点的脉管特征进行判别，并输出所述脉管特征判别结果；

根据各个所述像素点的所述脉管特征判别结果，对所述原始医学图像进行处理，并输出所述第一肺部血管增强结果。